[發明專利]一種列車轉向架軸承服役過程監測與故障診斷系統及方法

有效

• 申請號: 201410509086.0
• 申請日: 2014-09-28
• 公開（公告）號: CN104236911B
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 周玉勤;朱海勇;邢宗義;王夫歌;王曉浩;左成;陳岳劍;郭翔
• 申請（專利權）人: 江蘇潤儀儀表有限公司;南京理工大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱顯國

技術領域

本發明涉及城市軌道列車在途監測與安全預警關鍵技術領域，特別是一種列車轉向架軸承服役過程監測與故障診斷系統及方法。

背景技術

轉向架是列車的重要組成部分，支撐車體及車體內設備，對列車的動力學性能、安全性能及牽引性能起決定性的作用，軸箱軸承是列車轉向架中應用最廣泛的部件之一，目前釆用的軸承類型都是滾動軸承，其運行環境復雜荀刻，在列車運行過程中，滾動軸承需要承受巨大的重力負荷以及由于列車轉彎、通過道岔和鋼軌接頭造成的巨大沖擊，因而滾動軸承也是列車轉向架最容易損壞的關鍵部件之一。據不完全統計，旋轉機械約有30％的故障是由滾動軸承造成的，而在滾動軸承的故障中，外圈及內圈故障占90％，滾動體和保持架故障占10％。由于列車運行環境的復雜性及其它不確定性因素的影響，滾動軸承運行中出現故障在所難免，以至降低或失去其預定功能，進而造成嚴重甚至災難性的事故，因此對列車轉向架軸承的服役狀態監測和故障診斷研究意義重大。

根據檢測手段的不同，滾動軸承的故障診斷主要有以下方法：

(1)振動診斷方法。在滾動軸承運行過程中，一般是通過安裝在軸承座或機殼上的加速度傳感器來獲取振動信號。當滾動軸承出現故障時，會產生周期性的脈沖信號，對獲取的振動信號采用有效的算法進行分析和處理，提取相應的故障特征，能夠可靠地識別故障。振動檢測對滾動軸承各種工作狀況都能適用，而且直觀可靠，是目前滾動軸承故障診斷中使用最廣泛的方法之一，目前國內外滾動軸承監測診斷設備多數都是將振動信號作為監測對象，但由于噪聲因素、軸承各部件相互影響等因素，使得振動信號組成成分復雜，既包括軸承本身振動信號，也包括輪軌接觸振動、車體振動等信號，因而加大了振動信號的分離以及故障特征的提取，同時也容易造成故障模式識別混疊等問題。

(2)溫度診斷方法。將可以測量的溫度作為信息源，通過溫度的變化特征來反映滾動軸承的運行狀態。溫度對載荷、潤滑狀況及轉速變換比較敏感，當潤滑不良或故障發展到一定程度時會引起滾動軸承的過熱現象，此時溫度檢測有效。而對于一些故障發生的早期階段，溫度變化難以反映故障狀況。

(3)聲學診斷方法。該方法包括聲音診斷方法和聲發射診斷方法，聲音診斷方法是利用滾動軸承運行過程中的聲音來識別故障，聲發射是指材料內部因能量的快速釋放而發出瞬態彈性波的現象，聲發射信號屬于超聲信號，對滾動軸承早期故障十分敏感，通過檢測滾動軸承故障時的聲發射信號可以對故障進行識別。該方法傳采用的傳感器成本高，處理算法繁瑣，且易受周圍噪聲的干擾，實際中一般難以區分噪聲與振動信號，故障識別率低。

(4)油中金屬含量診斷方法。磨損金屬顆粒與滾動軸承故障有著密切聯系，通過檢測潤滑油或冷卻液中的金屬含量的變化、顆粒的形狀大小等方面來判斷滾動軸承的磨損狀況和程度。該方法能夠發現滾動軸承早期疲勞磨損，但不適用于脂潤滑軸承，存在取樣不便等問題。

發明內容

本發明的目的在于提供一種成本低、工程實施性好的列車轉向架軸承服役過程監測與故障診斷系統及方法，基于轉向架軸箱上安裝的振動傳感器進行實時在線監測。

實現本發明目的的技術解決方案是：一種列車轉向架軸承服役過程監測與故障診斷系統，包括振動傳感器、采集板卡、AD芯片、數字信號處理板卡、診斷服務主機，其中數字信號處理板卡為DSP加FPGA的雙處理器架構；在列車的車軸端蓋上設置振動傳感器，一個轉向架共有四個振動傳感器，AD芯片的數據線和控制信號均接入FPGA的IO上，FPGA的輸出端通過DSP接入診斷服務主機；

所述振動傳感器采集轉向架軸承振動信號，經由集成放大、濾波功能電路的采集板卡得到模擬信號，AD芯片對模擬信號采樣后得到數字信號，然后將該數字信號輸入到數字信號處理板卡的FPGA，FPGA完成振動信號的AD采集接入、AD采樣控制和通道切換工作，FPGA對采集的數字信號進行初步預處理，并通過EMIF或RapidIO接口將初步預處理后的數據輸入DSP，DSP完成振動信號的預處理并將結果發送至診斷服務主機，診斷服務主機對預處理后的數據進行分析、診斷故障，并對故障進行分級。

一種列車轉向架軸承服役過程監測與故障診斷方法，包括以下步驟：

步驟1，對滾動軸承的振動信號x(t)進行奇異值分解消噪，得到消噪后的信號y(t)；

步驟2，對消噪后的信號y(t)進行總體平均模式集合經驗模分解，得到一系列的本征模態函數IMF_n；

步驟3，對本征模態函數IMF_n進行Hilbert變換得到Hilbert-Huang譜；